第五章回归分析概要.ppt

第五章回归分析 一、回归分析和相关分析 现象之间的数量关系，存在着两种不同的类型：函数关系和相关关系。 （1）函数关系 （2）相关关系 （1）相关分析 ●根据统计数据，求出经济现象之间的联系程度，可以用相关系数定量表示， 如月收入与月支出。 ●但变量之间的相关关系并不能一一对应表达。 3名毕业生月收入与月支出表（元） 3名毕业生月收入与月支出表（元） 二、参数估计的主要方法 ----普通最小二乘法（OLS） 线性回归：找到一条合适的样本回归直线 来拟合样本观察值的走势。 案例分析一 某国货币供应量与国民收入历史数据表 ★确定函数方程形式 1、建立计量模型 ●由经济理论知，消费支出受可支配收入的影响，两者之间具有正向同步变化的趋势。 ●除可支配收入之外，对消费支出有影响的其他因素均包含在随机误差项中。 ●模型中，解释变量为年人均可支配收入X，被解释变量为年人均消费支出Y。 模型形式可根据凯恩斯的边际消费倾向理论建立一元线形回归模型，也可通过散点图来选择合适的模型形式。两变量的散点图如下： 得回归方程如下： 三、回归方程的显著性检验 建立的一元线性回归模型，存在以下疑问 （1）是否符合变量之间的客观规律？ （2）两变量之间是否具有显著的线性关系？ （一）线性相关系数检验 在统计研究中，对现象间相关关系的密切程度可用统计指标来测定，用相关系数r来确定。 相关系数检验法 第一步，计算相关系数R； 第二步，根据回归模型的自由度（n-2）和给定的显著性水平值α，从相关系数临界值表中查出临界值； 第三步，判别。若|R|≥Rα(n-2)，表明两变量之间线性相关关系显著，检验通过，这时回归模型可以用来预测；若|R| Rα ，表明两变量之间线性相关关系不显著，检验不通过。 ★相关系数计算公式 相关系数r的取值范围 [-1 1] r0 为正相关，r 0 为负相关 |r|=0 表示不存在线性关系，但可能存在非线性关系 |r|＝1 表示完全线性相关 r=1: 完全正相关； r=-1：完全负相关 |r| ≥0.7为高度相关 0.3 ≤ |r| 0.7为中度相关 0 |r| 0.3为低度相关 例 例 解： （二）可决系数检验 建立了回归方程以后，通常要用方程估计值Yc来推断或预测实际值Y。 判断用Yc（回归估计值）去估计Y（实际值）是否准确可靠？也即回归直线与各实际点的拟合效果如何？ -------------------可决系数分析 （2）可决系数计算 判定系数是指因变量的总变差中可以被自变量解释部分的比例，是衡量拟合模型优劣的重要分析指标。 ★可决系数的表示： （三）估计标准误差检验 计算公式 例题 了解 自学 本章重点 ★掌握OLS法的运用 ★掌握相关系数的计算 ★掌握t检验的运用 ★掌握区间预测的运用 2、估计参数 （0.86） （23.27） R2=0.9491 F=541.26 括号中对应的是估计参数对应的t统计量的值。 常用的是皮尔逊积矩相关系数(Pearson)：即协方差与两变量标准差乘积的比值。 62.47 61.44 63.66 20 20.6 合计 0.8 2.25 4.2 3.6 6 8.4 15.6 21.62 0.64 2.25 4.41 3.24 5.76 7.84 15.21 22.09 1 2.25 4 4 6.25 9 16 21.16 0.8 1.5 2.1 1.8 2.4 2.8 3.9 4.7 1 1.5 2 2 2.5 3 4 4.6 1 2 3 4 5 6 7 8 支出（千元）y 收入（千元）x 序号 求收入与支出之间的关系。 求人均销售额与利润率之间的相关关系? 两者之间存在高度的正相关关系 总离差平方和 残差平方和 回归平方和 （1）回归方程的方差分析及证明 SST(Sum of squares of total) 总离差平方和 ＝ SSR(Sum of squares of regression) 回归平方和 ＝ SSE(Sum of squares of errors) 残差平方和 ＝ 越大，说明X与Y之间的关系越紧密， 回归直线的代表性（拟合效果）就越好。 ●是指因变量各实际值与其估计值之间的平均差异程度，是总体误差项 ? 的方差 的估计量，用符号